豪ㄉ
團體組失敗後一天，第二位隊員毛毛也接著失敗了。
看起來仍舊是電神行程太可怕的原因(○
或是沒有提醒?

是說他們真的很可惜.....
都比我更有深度，結果先走留一個發廢文的(X
僅剩的一位夥伴，加油啊......

進到單元三之後，遇到問題討論...又卡住了。這次不是不知道要幹嘛，而是......TensorFlow API hierarchy level到底是什麼概念？
晚點再去看影片或爬文好了.....
剛剛影片看到TPU，還和CPU、GPU並列在一起，雖然看起來不是本次重點，不懂還是先查再說ㄚ!

TensorFlow API hierarchy level也是個頗大的概念呢......(汗

TPU、CPU、GPU的部份

張量處理單元（TPU）是一種定製化的 ASIC 晶片，它由谷歌從頭設計，並專門用於機器學習工作負載。TPU 為谷歌的主要產品提供了計算支持，包括翻譯、照片、搜索助理和 Gmail 等。

CPU 最大的優勢是靈活性。通過馮諾依曼架構，我們可以為數百萬的不同應用加載任何軟體。每一個 CPU 的算術邏輯單元（ALU，控制乘法器和加法器的組件）都只能一個接一個地執行它們，每一次都需要訪問內存，限制了總體吞吐量，並需要大量的能耗。

為了獲得比 CPU 更高的吞吐量，GPU 使用一種簡單的策略：在單個處理器中使用成千上萬個 ALU。現代 GPU 通常在單個處理器中擁有 2500-5000 個 ALU，意味著你可以同時執行數千次乘法和加法運算。GPU 在深度學習的典型訓練工作負載中能實現高几個數量級的吞吐量。這正是為什麼 GPU 是深度學習中最受歡迎的處理器架構。

fromhere

明天課程資源就到期了。
放棄了整整一個星期，也就是說鐵人賽草稿的老本基本上定案了。
然後我還是不能確定已經註冊的能不能繼續......希望可以。
看看日程，段考完......似乎依舊很忙啊......